本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 框架
<a name="frameworks"></a>

A@@ [gentic AI 的基础 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations/)探讨了实现自主、以目标为导向的行为的核心模式和工作流程。实现这些模式的核心在于框架的选择。*框架*是预写代码的软件基础，它提供了结构化环境和通用功能，用于构建和管理、工具以及构建生产就绪型自主 AI 代理所需的编排功能。

有效的 agentic AI 框架提供了多种基本功能，可将原始的大型语言模型 (LLM) 交互转化为能够推理、协作和操作的协调智能系统：
+ **代理编排**可协调单个或多个代理之间的信息流和决策流，从而无需人工干预即可实现复杂的目标。
+ **工具集成**使代理能够与外部系统和数据源进行交互 APIs，从而将其功能扩展到语言处理之外。有关更多信息，请参阅Strands Agents文档中的[工具概述](https://strandsagents.com/0.1.x/user-guide/concepts/tools/tools_overview/)。
+ **内存管理**提供持久或基于会话的状态，以便在交互之间维护上下文，这对于长时间运行或自适应任务至关重要。更高级的框架采用长期记忆来存储摘要和用户偏好，从而实现个性化和情境感知型代理体验。有关更多信息，请参阅LangChain博客上的 “[如何思考代理框架](https://blog.langchain.com/how-to-think-about-agent-frameworks/)”。
+ **工作流定义**支持结构化模式，例如链、路由、并行化和反射循环，从而实现复杂的自主推理。
+ 通过自主系统的可观察性，**部署和监控**促进了从开发到生产的过渡。有关更多信息，请参阅 [Amazon Bedrock AgentCore 正式上市](https://aws.amazon.com/blogs/machine-learning/amazon-bedrock-agentcore-is-now-generally-available/)公告。

这些功能是在整个框架环境中以不同的方法和重点实现的，每种方法和重点都为不同的自治代理用例和组织环境提供了明显的优势。

本节概述并比较了构建代理人工智能解决方案的领先框架，重点介绍了它们的优势、局限性和自主运营的理想用例：
+ [Strands 特工](strands-agents.md)
+ [LangChain 和 LangGraph](langchain-langgraph.md)
+ [crewaI](crewai.md)
+ [AutoGen](autogen.md)
+ [LlamaIndex](llamaindex.md)
+ [比较代理人工智能框架](comparing-agentic-ai-frameworks.md)

**注意**  
本节涵盖了专门支持人工智能代理的框架，不包括前端接口或没有代理的生成式人工智能。